贪心算法（一）背包问题

1、贪心算法、分治法、动态规划之间的区别与联系

分治法：将原问题划分成 n 个规模较小的，并且结构与原问题相似的子问题；递归地解决子问题；然后合并其结果。比如快速排序、归并排序等。分治法能解决的问题，一般具有以下特征：

（1）问题的规模缩小到一定程度就可以解决；

（2）该问题可以分解为若干规模较小的相同问题；

（3）子问题的解可以合并为该问题的解；

（4）子问题是相互独立的。

第（1）个特征绝大多数问题都能满足；第（2）条特征是应用分治法的前提，也是大多数问题满足的；如果不满足第（3）条特征，即问题容易分解，但是很难合并成全局解，那么，就应该考虑贪心算法和动态规划；第（4）条满足与否关系到分治法的效率。如果多个子问题存在公共的子问题，那么分治法也可以用，但是效率低下。此时最好采用动态规划。

动态规划：常用于最优化问题。此类问题中，可能存在多个可行解，每个解对应一个值，而我们希望找到一个最优（最大最小最长等）值得解，则称这样的解为该问题的一个（记住，是一个！因为可能存在多个）最优解。比如说求字符串ABCBDAB 和 BDCABA 的最长公共子序列的长度，这个长度为4，是唯一确定的，但是，BCBA 和   BDAB 都是，所以是不唯一的。

动态规划解决的问题，分解成的子问题往往不是独立的。我们可以利用一个表格来记录所有的已解的子问题的答案。不管这个子问题以后会不会被用到。主要它被计算过，那么，就将它填入表格中，这就是动态规划的基本思路。具体的动态规划算法有很多，但是他们都具有相同的填表格式。

贪心算法：是使所做的选择在当时看起来是最佳的，期望通过所做的局部最优选择来产生一个全局最优解。当然，这种启发式策略并不能总是得到最优解。

贪心算法与动态规划的区别：贪心选择性质（全局最优解可以通过局部最优贪心选择来获得）是不同于动态规划之处。在动态规划中，每一步都要做出选择，但是这些选择依赖于子问题的解。所以，这么一级一级往下推演，最小的子问题是最该被解决的。所以。动态规划问题一般是自底向上，从小到大。而贪心算法所做的当前选择，可能依赖于已经做出的选择，但是不依赖所做出的选择或者子问题的解。因此，贪心策略通常是自顶往下，一个一个做出贪心选择，不断将给定问题实例规约为更小的